随着我国社会主义法律体系的逐步完善,人民的法律意识逐渐提高,对法律咨询服务的需求日益增加。但是目前我国律师仍属于稀缺资源,律师提供的法律解答服务无法适应迅猛增长的市场规模,律师的规模不能匹配如此庞大的法律咨询市场。从用户的角度出发,法律咨询成本较高,获取专业、免费且及时的法律咨询服务难以实现。从律师的角度出发,擅长领域不同,回复的质量参差不齐,法律问题琐碎繁杂,投入与报酬不对等,缺乏回答问题的动力。为用户提供快捷、免费且准确的法律咨询服务,提升法律服务质量,降低用户咨询成本和律师服务成本,缓解法律咨询服务的供需矛盾,才能做到“数字法治,智慧司法”,因此研究法律自动问答方法具有极强的应用价值与现实意义。本文对法律自动问答技术进行了深入研究,针对现有法律问答中难以快速定位答案、无法推理、受到问答库限制等缺点,设计并实现了基于法律知识图谱的自动问答系统。系统主要分为法律知识图谱构建模块、法律知识问答模块、法律知识检索模块、法律实体识别模块。针对目前法律问答模型对法律知识利用不足、人工回复专业性不强的问题,本系统以“国家法律法规数据库”法律数据为主,第三方法律服务网站和百度百科的数据为辅,经过本体构建、知识获取、知识提取、知识融合,构建了一个法律领域知识图谱。为了自动识别出法律问题中的法律实体,帮助计算机快速理解问句,提取法律知识主题,为问答模块,信息检索模块和知识图谱构建模块提供技术支撑,本文构建了一个基于ALBERT+Bi LSTM+CRF的法律实体识别模型,并基于BIO标注法构建了一个实体识别语料库,训练法律实体识别模型,实验结果表明在法律领域该模型具有优异的成绩。对于输入的法律问题,经过法律实体识别识别出相关法律术语、使用Fast Text抽取复杂问句的标签,调用法律知识检索模块返回了候选答案三元组。为了从候选答案三元组中挑选最终答案,使用ALBERT预训练做对问句属性抽取,实现了法律咨询服务的标准化、自动化、智能化。本文以基于Django框架的web应用为载体,为用户提供一个高效、专业且零门槛的法律知识问答系统。用户可以通过浏览器访问本系统,进行法律知识问答、法律知识查询、法律关系查询,系统根据输入的文本执行相应任务展示结果。系统使用知识图谱将法律领域知识和输入文本关联起来,并通过EChart绘制显示在界面。经实验,对于标准法律问题,回复的正确率达到86.08%;对于复杂法律问题,正确率达到69.04%,问题回答相应速度小于1秒,能够快速且相对准确的回答用户问题。